Prezados, À guisa de uma síntese das referências que enviei anteriormente... O problema maior da regressão logística é que diversos autores têm demonstrado que ela inflaciona os resultados de probabilidades nas associações entre exposições e desfechos. Mas antes de concluir sobre isso, talvez alguma teoria da Epidemiologia seja necessária. Matematicamente, a função de ligação da regressão logística (logit) gera como coeficiente a razão de chances. Sob o ponto de vista teórico, essa razão de produtos cruzados tem sido criticada por diversos epidemiologistas por não representar absolutamente nada em um processo saúde-doença: ela não representa qualquer indicador referenciável epidemiologicamente. Indicadores epidemiológicos são, basicamente, de morbidade (medida de doença) e mortalidade. Os dois principais indicadores de morbidade são a prevalência (resultado de estudo transversal) e incidência (fruto de delineamento longitudinal). Existem as razões de prevalência e de incidência, que sob um ponto de vista teórico estaria mais compatível com os pressupostos da Epidemiologia. Estas razões também são chamadas de risco relativo. A função de ligação "log" fornece coeficientes de regressão que são essas razões. Por isso a recomendação atual de se utilizar regressão log-binomial ou Poisson em modelos epidemiológicos. Além desses pressupostos de ordem mais teórica, há evidências estatísticas que vêm sendo divulgadas nestes artigos e outros muitos. A razão de chances aumenta muito quando temos uma prevalência/incidência da doença >20%, em relação à razão de risco. Dessa forma, a razão de chances tem sido delatada como uma medida que superestima efeitos de um fator causal sobre a variável resposta em modelos. Espero que o "ruído" possa, agora, ser mais audível. :D Há braços, Marcos Em 7 de fevereiro de 2017 22:22, Leonard Assis via R-br < r-br@listas.c3sl.ufpr.br> escreveu:
Tem ruído aí nesta explicação. Na verdade, o que o "epidemiologista" alegou, não me convenceu.
Em 7 de fev de 2017 9:14 PM, "Marcos Bissoli via R-br" < r-br@listas.c3sl.ufpr.br> escreveu:
Prezados,
De antemão peço desculpas se desvio o tópico da lista. Mas creio que o tema da mensagem é minimamente transversal aos aqui tratados.
Tenho uma variável resposta binária. Como a frequência da resposta é alta (38,11%), teóricos da Estatística aplicada à Epidemiologia sugerem que não seja usada uma regressão logística. Neste caso (de alta prevalência do desfecho), a primeira opção deveria ser uma log-binomial. Mas (e isso não é raro de ocorrer), minha log-binomial não apresentou convergência.
Quando não há convergência, os teóricos sugerem uma regressão de Poisson com variância robusta. Entretanto, como meus dados sugerem subdispersão, optei por um modelo de quasi-poisson. Isso já deu certo em outras análises que fiz para terceiros. Inclusive, tenho conseguido adaptar a variância robusta ao modelo de quasi-poisson. Mas justamente agora, com os dados de minha tese...
O diagnóstico visual está, ao meu ver, péssimo, para ajuste. A imagem anexa é do modelo de quasi-poisson. Mas experimentei todos os acima citados (logística e Poisson) e o gráfico não diferiu muito.
[image: Imagem inline 1]
A dúvida é... Há alguma outra alternativa de técnica de regressão que eu poderia tentar? Minhas variáveis explicativas são diversas, em quantidade e tipo (há contínuas, ordinais e binárias). Ou será (embora eu ache pouco provável) que este gráfico não significa um grande incômodo?
Fiz o teste de qui-quadrado da deviance residual e estranhamente o valor p está resultando em 1, tanto para Poisson quanto para quasi-Poisson. Um outro fato estranho é o pseudo R² de Nagelkerke ter acusado 20%: todas as outras minhas variáveis resposta não passaram de 12%. Não sei se é correto (consultei bibliografia que sugeria isso para a regressão logística), mas apliquei um teste de Hosmer e Lemeshow e ele acusou um bom ajuste do modelo, também (p = 0,2718). Até uma curva de ROC eu fiz e a área está grande no gráfico (mais uma técnica que não sei se deve ser aplicada além da regressão logística,).
Seguem alguns resultados, caso possa ajudar em algo.
Desde já agradeço qualquer comentário. E reforço minhas desculpas caso eu tenha desviado do tópico além do esperado, e desde já acato qualquer negativa em prosseguir o debate. Nesse caso, se possível, aceitaria sugestões de boas listas para debates nesse nível onde eu pudesse me inscrever.
Há braços,
Marcos Bissoli Faculdade de Nutrição Unifal-MG
Mod1 <- glm(Tabagismo~.,data = TabModelagem,family = quasipoisson)> summary(Mod1) Call: glm(formula = Tabagismo ~ ., family = quasipoisson, data = TabModelagem)
Deviance Residuals: Min 1Q Median 3Q Max -1.4867 -0.7821 -0.5889 0.5349 1.6624
Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) -1.245e+00 8.738e-01 -1.424 0.154644 factor.SexoDic.1 5.800e-01 8.273e-02 7.011 4.11e-12 *** factor.Branca.1 -8.332e-01 7.836e-01 -1.063 0.287863 factor.Negra.1 -8.210e-01 7.987e-01 -1.028 0.304185 factor.Parda.1 -9.009e-01 7.863e-01 -1.146 0.252163 factor.Amarela.1 -1.089e+00 8.481e-01 -1.284 0.199466 factor.SemReligiao.1 -9.670e-02 1.888e-01 -0.512 0.608566 factor.Catolica.1 -4.813e-01 1.862e-01 -2.585 0.009863 ** factor.Espirita.1 -1.235e-01 2.181e-01 -0.566 0.571230 factor.Evangelica.1 -9.177e-01 2.429e-01 -3.779 0.000166 *** factor.AfroBrasileira.1 6.068e-01 4.303e-01 1.410 0.158794 factor.Turno.1 1.534e-03 1.034e-01 0.015 0.988169 factor.Aposentado.1 -4.516e-02 1.055e-01 -0.428 0.668597 factor.OcupaEstDiApenasDesemp.1 7.249e-02 1.411e-01 0.514 0.607474 factor.ComFamilia.1 -4.323e-01 2.128e-01 -2.031 0.042444 * factor.ComOutParentes.1 -5.029e-01 3.517e-01 -1.430 0.153011 factor.Republica.1 8.985e-03 1.959e-01 0.046 0.963429 factor.Sozinho.1 -2.475e-01 2.236e-01 -1.107 0.268673 factor.Pensao.1 -8.439e-01 4.000e-01 -2.110 0.035106 * factor.OutroMoradia.1 -5.262e-01 3.353e-01 -1.569 0.116880 factor.RU.1 -1.937e-01 1.059e-01 -1.830 0.067589 . factor.praec4.1 -1.583e-01 2.666e-01 -0.594 0.552951 IdadeA 3.787e-02 9.381e-03 4.037 5.79e-05 *** escola 8.576e-02 3.441e-02 2.492 0.012836 * RendaPC 4.045e-05 1.313e-05 3.080 0.002119 ** Dist 2.605e-05 1.296e-04 0.201 0.840689 PraecSoma 2.419e-02 3.086e-02 0.784 0.433427 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
(Dispersion parameter for quasipoisson family taken to be 0.6036898)
Null deviance: 834.67 on 1135 degrees of freedom Residual deviance: 706.16 on 1109 degrees of freedom AIC: NA
Number of Fisher Scoring iterations: 5
-- MARCOS BISSOLI
Faculdade de Nutrição Universidade Federal de Alfenas
Blog: bocademiamaldita.blogspot.com/ E-mail: mbissoli@gmail.com Twitter: #mbissoli
Alfenas, Minas Gerais, Brasil
*****Pense na Natureza antes de Imprimir***** Divulgue ON-LINE
Eu apoio a ENEN "na luta por um Brasil sem fome"
"por ĉiu popolo ties propran lingvon, por ĉiuj popoloj la esperantan" (para cada povo sua própria língua, para todos os povos o Esperanto)
E nunca votarei no PSDB/DEM!
_______________________________________________ R-br mailing list R-br@listas.c3sl.ufpr.br https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça código mínimo reproduzível.
_______________________________________________ R-br mailing list R-br@listas.c3sl.ufpr.br https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça código mínimo reproduzível.
-- MARCOS BISSOLI Faculdade de Nutrição Universidade Federal de Alfenas Blog: bocademiamaldita.blogspot.com/ E-mail: mbissoli@gmail.com Twitter: #mbissoli Alfenas, Minas Gerais, Brasil *****Pense na Natureza antes de Imprimir***** Divulgue ON-LINE Eu apoio a ENEN "na luta por um Brasil sem fome" "por ĉiu popolo ties propran lingvon, por ĉiuj popoloj la esperantan" (para cada povo sua própria língua, para todos os povos o Esperanto) E nunca votarei no PSDB/DEM!
